关键词bayesian hierarchical models
搜索结果 - 5
- 仅接收样本一次：快速、自纠正的随机变分推断
YOASOVI 是一种用于大规模贝叶斯层次模型的快速自校正随机优化变分推断 (Variational Inference) 的算法，通过使用每次迭代中用于随机变分推断的目标函数的可用信息，将常规 Monte Carlo 采样替换为接受采样， - 自我感知个性化联邦学习
本论文提出了一种自我感知的个性化联邦学习方法，通过采用贝叶斯分层模型，利用不确定性量化来平衡本地模型改进和全局模型调整，使用不确定性驱动的本地训练步骤和聚合规则来实现。通过实验研究，该方法显著提高了个性化性能。
- 基于元数据的贝叶斯分层模型多任务赌博机
在这篇论文中，我们引入了基于元数据的多任务赌博机问题，提出了一种基于贝叶斯分层模型的任务关系捕捉方法，并设计了一个 Thompson 抽样算法来高效地学习任务关系、共享信息，并最小化累计遗憾。通过对高斯赌博机和伯努利赌博机的分析，我们证明了 - 关于全球各国总生育率的概率预测中对过去数值不确定性的计算
本研究利用贝叶斯分层模型考虑数据源不确定性对总生育率的未来预测，通过额外的分层模型估计其偏差和测量误差方差，最终通过预测验证得出建议方法提高预测准确性。
- 冰球运动员评级的竞争进程危险函数模型
使用半 - 马尔可夫过程和贝叶斯层次模型来评估国家曲棍球联盟 (National Hockey League, NHL) 中球员的整体能力，使得球员能力得以考虑到队友和对手质量、比赛情况等因素，并解决了现有方法的许多局限性。